Indhold
- Hvad er forudsigelig analyse?
- Predictive Analytics in the Con of Health Care
- Casestudie 2: Naamløs klinik, der forbedrer rentabiliteten
- Kravet
- Handlingen
- Resultatet
- Vigtige punkter at huske
- Resumé
Kilde: Andreypopov / Dreamstime.com
Tag væk:
Den medicinske branche bruger forudsigelig analyse til at forbedre patientpleje, lavere tilfælde af tilbagevendende problemer og øge rentabiliteten.
Prædiktiv analyse, siges det, vil omdefinere, hvordan sundhedsvæsenet leveres. Det vil forudsige forekomster af kritiske sygdomme og sandsynligheden for tilbagetagelse i fremtiden. Andre sektorer såsom mad og drikke, publikationer og underholdning har allerede høstet fordele ved at bruge forudsigelig analyse - der er ingen grund til, at sundhedsvæsenet ikke kan gøre det samme.
Imidlertid skal definitionen og omfanget af forudsigelig analyse først forstås rent inden for sundhedsvæsenet. Modellen i én størrelse, der passer til alle, fungerer ikke. Det er også vigtigt, at infrastrukturen til levering af analyser leveres, og at den er i stand til at levere de krævede oplysninger til sundhedspersonalet i det rigtige format. For at kunne levere den rette og proaktive sundhedspleje skal sundhedspersonalet gives de rigtige con og metadata. Selvom forudsigelig analyse er god til sundhedsvæsenet, skal den først tilpasses, og de rigtige data i det rigtige format skal leveres. (Se Vil Will Big Data revolutionere sundhedsvæsenet for at lære om big datas rolle i sundhedsvæsenet?)
Hvad er forudsigelig analyse?
Predictive analytics er en gren af avanceret analyse, der giver forudsigelser af visse begivenheder baseret på historiske data, datamønstre og andre input. Der kan tages proaktive skridt for at imødekomme de krav, der følger af forudsigelserne. For at gøre forudsigelser udnytter prediktive analyseteknikker teknikker, der bruges i andre grene, såsom data mining, kunstig intelligens, modellering, maskinlæring og statistik, og det integrerer informationsteknologi, styring og modellering af forretningsprocesser. Forudsigelserne kan bruges til at identificere risici og muligheder i fremtiden. Forudsigelig analyse kan hjælpe forretningsorganisationer med at opnå en masse ting. Et par eksempler inkluderer:
- Identificering af skjulte foreninger og mønstre
- Forbedring af kundebeholdning
- Reduktion af risiko for at minimere tab og eksponering
- Forbedring af kundetilfredshed
Der er mange eksempler på, hvordan virksomhederne har draget fordel af brugen af forudsigelig analyse. Accenture gennemførte en undersøgelse for at finde ud af, hvordan forskellige virksomheder har draget fordel af at bruge forudsigelig analyse. Nogle af konklusionerne er:
- Best Buy opdagede, at mindre end 7% af sine kunder bidrog til 43% af sit salg. Derefter segmenterede de sine kunder logisk og redesignede sine butikker og oplevelser i butikken for at afspejle købsvanerne hos specifikke kundegrupper.
- Olive Garden, en amerikansk restaurant til afslappet spisestue, bruger data til at designe og redesigne sin menu. På den måde har det været i stand til at skære ned på spild af fødevarer markant.
Forudsigelig analyse anvendes til en række domæner, såsom sundhedsvæsen, kundeforholdsadministration (CRM), svindelopdagelse og risikostyring. Prediktiv analyse kombineres også ofte med receptpligtig analyse. Prescriptive analyser i denne sammenhæng betyder, at der ikke kun er forudsigelser foretaget om visse begivenheder, men også er der givet konkrete skridt, der skal tages for at håndtere situationen. Disse trin leveres af selve analysemaskinen. (Lær mere om opdagelse af svig med Machine Learning & Hadoop i næste generation af svigpåvisning.)
Predictive Analytics in the Con of Health Care
Teoretisk set har forudsigelig analyse en stor rolle i forbedring af sundhedsvæsenet. Selvom det stadig er en nytilkomende inden for sundhedsvæsenets styring, og dens omfang stadig arbejdes, kan forudsigelsesanalyse analysere historiske patientdata og give forudsigelser for ting som sygdomsrisici, sandsynlighedsscore for hjerteanfald og astmatiske angreb baseret på patientprofil, og sandsynlighed for tilbagetagelser.
Den menneskelige hjerne kan ikke dybt analysere mere end seks til otte variabler ad gangen for korrekt profilering af et problem. Men algoritmen i en forudsigelig model kan analysere hundredevis af variabler ad gangen for at skabe en nøjagtig profil af et medicinsk problem. Baseret på profilen kan der foretages nøjagtig diagnose og eventuelle risikoforudsigelser.
Forudsigelig modellering kan hjælpe med at kontrollere omkostninger i forbindelse med medicinsk behandling. I USA er en ud af fem Medicare-patienter tilbagetaget til hospitalet inden for 30 dage efter udskrivning, hvilket resulterer i en udgift på 17 milliarder dollars om året.
Steadman Hawkins Clinic var i stand til at øge deres netto rentabilitet med $ 20 millioner om året. De var også i stand til at forbedre nøjagtigheden af deres økonomiske forudsigelser fra 30 til 32 procent.
Casestudie 2: Naamløs klinik, der forbedrer rentabiliteten
Kravet
Klinikken ønskede både at forbedre tjenester til patienterne og forbedre deres rentabilitet ved optimalt at bruge deres ressourcer, der inkluderer personale, faciliteter og instrumenter.
Handlingen
Klinikken indsamlede rigelige data om forskellige variabler, såsom type pleje, der kræves af patienter, personaleprofil og kvalifikation, patientprofil, kvalitet af de leverede tjenester såsom responstid, resultat, patientoplevelse og ventetid for patienter. Baseret på de indsamlede data blev forudsigelig analyse anvendt. De forventede konkrete analyser og forløb af handlinger, der skulle bruges.
Resultatet
Selvom klinikken stadig er i færd med at implementere politikker baseret på deres forudsigelige analyser, er der tegn på, at de er på kursus for at opnå mindst 10 procent højere rentabilitet end før.
Vigtige punkter at huske
Det er ikke, at implementering af forudsigelig analyse vil begynde at gøre vidundere med det samme. Resultaterne afhænger af fremgangsmåden. Først skal industrien bestemme, hvad forudsigelige analyser betyder i dens con og derefter specificere dens omfang. Også sundhedsindustrien skal huske følgende lektioner fra andre brancher:
- Mængden af indsigt står ikke direkte i forhold til datamængden. Du vil ikke få mere indsigt bare ved at øge dataindsamlingen.
- Indblik giver ikke nødvendigvis værdi. Du skal først tilpasse indsigtene i dit forhold, så det bliver nyttigt.
- Implementering af forudsigelig analyse vil blive en stor udfordring. Du er nødt til at omfatte de rigtige teknologier og levere indsigt til sundhedspersonalet i det rigtige format.
Resumé
Forudsigelig analyse skal slås sammen med receptpligtig analyse for at levere de rigtige resultater, fordi branchen ikke kun har brug for forudsigelser, men også et handlingsforløb. Mens konceptet ser ud til at være givende i sidste ende, er virksomheder nødt til at foretage de rigtige investeringer og være tålmodige med resultaterne, hvis de håber at høste fordelene.